一类新型动态多目标鲁棒进化优化方法

被引:35
作者
陈美蓉 [1 ,2 ]
郭一楠 [1 ]
巩敦卫 [1 ]
杨振 [1 ]
机构
[1] 中国矿业大学信息与电气工程学院
[2] 中国矿业大学数学学院
关键词
动态多目标优化; 进化算法; 鲁棒Pareto最优解; 鲁棒生存时间;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
传统动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)的求解方法,通常需要在新环境下,通过重新激发寻优过程,获得适应该环境的Pareto最优解.这可能导致较高的计算代价和资源成本,甚至无法在有限时间内执行该优化解.由此,提出一类寻找动态鲁棒Pareto最优解集的进化优化方法.动态鲁棒Pareto解集是指某一时刻下的Pareto较优解可以以一定稳定性阈值,逼近未来多个连续动态环境下的真实前沿,从而直接作为这些环境下的Pareto解集,以减小计算代价.为合理度量Pareto解的环境适应性,给出了时间鲁棒性和性能鲁棒性定义,并将其转化为两类鲁棒优化模型.引入基于分解的多目标进化优化方法和无惩罚约束处理方法,构建了动态多目标分解鲁棒进化优化方法.特别是基于移动平均预测模型实现了未来动态环境下适应值的多维时间序列预测.基于提出的两类新型性能评价测度,针对8个典型动态测试函数的仿真实验,结果表明该方法得到满足决策者精度要求,且具有较长平均生存时间的动态鲁棒Pareto最优解.
引用
收藏
页码:2014 / 2032
页数:19
相关论文
共 9 条
[1]
记忆增强的动态多目标分解进化算法 [J].
刘敏 ;
曾文华 .
软件学报, 2013, 24 (07) :1571-1588
[2]
基于多粒子群协同的动态多目标优化算法及应用 [J].
胡成玉 ;
姚宏 ;
颜雪松 .
计算机研究与发展, 2013, 50 (06) :1313-1323
[3]
The Evolutionary Algorithm to Find Robust Pareto-Optimal Solutions over Time [J].
Chen, Meirong ;
Guo, Yinan ;
Liu, Haiyuan ;
Wang, Chun .
MATHEMATICAL PROBLEMS IN ENGINEERING, 2015, 2015
[4]
A framework for finding robust optimal solutions over time [J].
Jin, Yaochu ;
Tang, Ke ;
Yu, Xin ;
Sendhoff, Bernhard ;
Yao, Xin .
MEMETIC COMPUTING, 2013, 5 (01) :3-18
[5]
A study of two penalty-parameterless constraint handling techniques in the framework of MOEA/D [J].
Jan, Muhammad Asif ;
Khanum, Rashida Adeeb .
APPLIED SOFT COMPUTING, 2013, 13 (01) :128-148
[6]
Evolutionary dynamic optimization: A survey of the state of the art [J].
Trung Thanh Nguyen ;
Yang, Shengxiang ;
Branke, Juergen .
SWARM AND EVOLUTIONARY COMPUTATION, 2012, 6 :1-24
[7]
A single front genetic algorithm for parallel multi-objective optimization in dynamic environments.[J].Mario Cámara;Julio Ortega;Francisco de Toro.Neurocomputing.2009, 16
[8]
Introducing robustness in multi-objective optimization [J].
Deb, Kalyanmoy ;
Gupta, Himanshu .
EVOLUTIONARY COMPUTATION, 2006, 14 (04) :463-494
[9]
应用时间序列分析.[M].何书元编著;.北京大学出版社.2003,